Smooth discrimination analysis
平滑判别分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用判别区域估计，不能将统计分类直接归入经济学离散选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
平滑判别分析
- 研究问题
- 对于具有不同概率密度的两组多维数据，若用于判别的区域具有平滑边界，其区域估计能够达到什么最优收敛速率？
- 方法与思路
- 作者将判别分析表述为区域估计问题，在适合假定区域边界平滑的应用中讨论估计速率；摘要未交代具体估计程序。
- 材料陈述的贡献
- 摘要称讨论平滑边界条件下判别区域估计的最优速率，并说明这种边界假设适用于部分探索性数据分析场景。
- 阅读关注点
- 应核对区域定义中的密度比较符号、边界平滑性类别、误差度量，以及最优速率是否同时有可达估计和下界支持。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；区域定义的比较符号已损坏，需查原 PDF，摘要也未给出具体速率或完整条件。
原文摘要
Discriminant analysis for two data sets in IRd with probability densities f and g can be based on the estimation of the set G = {x : f(x) I g(x)}. We consider applications where it is appropriate to assume that the region G has a smooth boundary. In particular, this assumption makes sense if discriminant analysis is used as a data analytic tool. We discuss optimal rates for estimation of G.